报告人简介：郑才望，美国佛罗里达大学森林、渔业和测绘科学系博士后研究员，2018年毕业于北京师范大学全球环境变化专业，硕士学位。2023年毕业于佛罗里达大学测绘学专业，博士学位。主要从事于遥感技术的农林学研究，其中包括无人机遥感和地面成像技术对农业植物表型的高通量研究，基于卫星和无人机LiDAR和高光谱技术对森林健康和死亡率的检测和成因分析，目前发表sci论文10余篇，单篇引用量170。

报告时间：2023年10月9日 14:00

报告地点：新综合楼2206教室

摘要：近十年来，基于图像的高通量表型分析技术在精准农业领域得到了迅速发展。 遥感图像采集和分析能够有效地测量植物性状，从而用于植物育种和作物管理。 然而，在单株植物水平上如何快速和准确地提取冠层结构和生理参数仍然是一个重大挑战。 以草莓为例，利用成像技术的冠层特征研究目前依然很少。本研究旨在设计一种图像分析工作流程，利用机器学习和计算机视觉的方法从小型无人机（UAV）获取的多光谱图像中快速自动提取草莓冠层表型特征，包括单株草莓的冠层结构参数和生物量的预测。该方法在中佛罗里达的草莓农场育种工作中发挥了重要作用，在超过400种的基因型中分析作物生长曲线的差异，并选出优良品种。除无人机遥感以外，我们同时利用地面成像系统通过多角度影像获取，对草莓植被进行高精度三维建模。